| 研究概要 |
1.ニューラルネットワーク,統計手法による検査データの学習方式と分析手法の高精度化
熟練検査者が最良の品質と判断した検査対象品を最良標準品とし,最良標準品の反力の時系列データと検査品の反力の時系列データから反力差-時間曲線を求め,その全体と時分割区間について,統計手法によって特徴量を抽出して,これらの特徴量と熟練検査者の評価結果をニューラルネットワーク(NN)によって学習し,学習済みNNを検査に適用する手法を提案した.最良標準品と検査品の反力差を検査に用いることによって,検査品の品質の程度を高精度に評価可能となることを明らかにした.
2.検査内容の評価提示システムの試作と評価
熟練検査者の評価結果と,NNの評価結果をデータベース化し,検査技術の習得過程にある検査者が,手の操作感覚によって検査品を評価する際,反力の時系列データを記録して,最良標準品の反力の時系列データとの差を求めて反力差-時間曲線を提示し,熟練検査者の言語表現による評価結果とともに視覚的に確認できる評価提示システムを試作した.従来は,熟練検査者の言語表現による評価結果と検査者自身の手の感触を対応づけて検査技術を短期間に的確に身につけることは困難であった.本研究による評価提示システムを用いることによって,検査技術の習得期間の短縮が可能であることを明らかにした.
なお,当研究項目は,研究過程において,本年度の研究実施計画よりも本研究課題に適切であることが明らかとなり実施したものである.
|
